-
公开(公告)号：CN119006925A
公开(公告)日：2024-11-22
申请号：CN202411208452.9
申请日：2024-08-30
Applicant: 中国医学科学院北京协和医院 , 北京深睿博联科技有限责任公司
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本申请涉及一种影像异常情况的识别方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括：对不同时期的待识别影像进行初步特征提取，得到待识别影像的特征；基于预设的通道分组策略对特征进行分组，得到至少一个子特征组；针对每个子特征组，通过第一注意力模型确定通道注意力特征；通过第二注意力模型确定空间注意力特征；通过第三注意力模型确定频域注意力特征；通过预设概率鉴别模型对多个频域注意力特征进行特征处理，得到待识别影像中的异常概率值；基于异常概率值与预设概率阈值的关系，确定异常识别结果采用本方法能够提高识别目标异常的异常情况的准确度。
-
公开(公告)号：CN115619810B
公开(公告)日：2023-10-03
申请号：CN202211629229.2
申请日：2022-12-19
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及一种前列腺分区分割方法、系统及设备。包括：获取前列腺图像；将前列腺图像输入到前列腺分区分割模型中进行初次分割，输出第一次分割结果；将计算得到的前列腺外周带体积和整个腺体体积的比值与阈值进行比较，基于所述比值与阈值的关系进行二次分割，得到最终分割结果。本发明方法旨在基于U‑Net系列模型构建的前列腺分区分割模型对前列腺图像进行粗分类，根据计算的比值与阈值的关系，再通过基于语义分割构建的二次分割模型进行二次分割，实现高精度的分割结果，发掘其在协助前列腺癌手术定位和手术计划以及标准化前列腺特异性抗原密度的潜在应用价值。
-
公开(公告)号：CN114399501B
公开(公告)日：2023-04-07
申请号：CN202210096760.1
申请日：2022-01-27
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/762
Abstract: 本发明涉及基于深度学习卷积神经网络的自动分割前列腺全腺体方法。包括：获取样本的前列腺MR图像；将所述前列腺MR图像输入前列腺全腺体分割网络，得到前列腺全腺体图像，所述前列腺全腺体分割网络包括前列腺尖部分割网络、前列腺中部分割网络和前列腺底部分割网络，所述前列腺尖部分割网络用于分割前列腺MR图像得到前列腺尖部图像，所述前列腺中部分割网络用于分割前列腺MR图像得到前列腺中部图像，所述前列腺底部分割网络用于分割前列腺MR图像得到前列腺底部图像，将所述前列腺尖部图像、前列腺中部图像和前列腺底部图像进行图像合并，得到前列腺全腺体分割图像。本发明从前列腺解剖结构特点出发，提供更好的前列腺全腺体分割方法。
-
公开(公告)号：CN115661107A
公开(公告)日：2023-01-31
申请号：CN202211386972.X
申请日：2022-11-07
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。
-
公开(公告)号：CN112561871B
公开(公告)日：2021-09-03
申请号：CN202011442642.9
申请日：2020-12-08
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于平扫CT图像的主动脉夹层分割方法和装置，该方法包括以下步骤：从原始平扫CT图像中提取出主动脉图像；对主动脉图像进行径向切片处理，得到多层径向切片图像；根据每一层径向切片图像的不同区域的Hu值差异和面积来确定夹层区域，和/或，根据每一层径向切片图像的主动脉长径来确定夹层区域；以及当至少连续9层径向切片图像存在夹层区域时，将至少连续9层径向切片图像的每一张中的夹层区域分割出来并合并为主动脉夹层图像。本发明基于更安全的平扫CT图像对主动脉夹层进行自动分割，可降低患者的相关费用支出，且有利于推广实施，整个过程不需要人工参与，能够极大地提高临床诊断的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN112561871A
公开(公告)日：2021-03-26
申请号：CN202011442642.9
申请日：2020-12-08
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明公开了一种基于平扫CT图像的主动脉夹层分割方法和装置，该方法包括以下步骤：从原始平扫CT图像中提取出主动脉图像；对主动脉图像进行径向切片处理，得到多层径向切片图像；根据每一层径向切片图像的不同区域的Hu值差异和面积来确定夹层区域，和/或，根据每一层径向切片图像的主动脉长径来确定夹层区域；以及当至少连续9层径向切片图像存在夹层区域时，将至少连续9层径向切片图像的每一张中的夹层区域分割出来并合并为主动脉夹层图像。本发明基于更安全的平扫CT图像对主动脉夹层进行自动分割，可降低患者的相关费用支出，且有利于推广实施，整个过程不需要人工参与，能够极大地提高临床诊断的准确性和效率。
-
公开(公告)号：CN116230215B
公开(公告)日：2023-08-18
申请号：CN202310506196.0
申请日：2023-05-08
Applicant: 中国医学科学院北京协和医院
IPC: G16H50/20 , G16H50/30 , G16H20/10 , G16H20/40 , G16H20/17 , G06F18/2431 , G06F18/2411
Abstract: 本发明涉及一种卵巢透明细胞癌预测的设备、系统及可存储介质。预测风险发生的设备包括：存储器和处理器。所述处理器用于调用程序指令，程序指令包括：获取上皮性卵巢癌患者的影像数据，对影像数据进行影像特征提取，得到放射组学特征；获取上皮性卵巢癌患者的临床信息，提取临床信息特征，所述临床信息特征包括下列特征中的一种或几种：CA‑125水平、子宫内膜异位症状态和高钙血症状态；将所述放射组学特征和所述临床信息特征输入分类器中，得到分类结果，所述分类结果为上皮性卵巢癌患者是否为卵巢透明细胞癌。本发明从临床问题出发，提供一种卵巢透明细胞癌预测的二分类方法和有效的干预治疗措施，具有重要的临床应用价值。
-
公开(公告)号：CN114399501A
公开(公告)日：2022-04-26
申请号：CN202210096760.1
申请日：2022-01-27
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及基于深度学习卷积神经网络的自动分割前列腺全腺体方法。包括：获取样本的前列腺MR图像；将所述前列腺MR图像输入前列腺全腺体分割网络，得到前列腺全腺体图像，所述前列腺全腺体分割网络包括前列腺尖部分割网络、前列腺中部分割网络和前列腺底部分割网络，所述前列腺尖部分割网络用于分割前列腺MR图像得到前列腺尖部图像，所述前列腺中部分割网络用于分割前列腺MR图像得到前列腺中部图像，所述前列腺底部分割网络用于分割前列腺MR图像得到前列腺底部图像，将所述前列腺尖部图像、前列腺中部图像和前列腺底部图像进行图像合并，得到前列腺全腺体分割图像。本发明从前列腺解剖结构特点出发，提供更好的前列腺全腺体分割方法。
-
公开(公告)号：CN115661107B
公开(公告)日：2023-09-19
申请号：CN202211386972.X
申请日：2022-11-07
Applicant: 中国医学科学院北京协和医院
IPC: G06T7/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于膀胱癌危险分层的图像分析方法、系统及设备。包括：获取患者术前CT造影图像序列，所述患者术前CT造影图像序列包括平扫、皮髓质期、实质期和排泄期图像；对获取的患者术前CT造影图像序列进行分割和定位，得到肿瘤病灶ROI；然后基于肿瘤病灶ROI提取膀胱癌特征，得到参数图像组合特征；再将其输入到基于多任务深度学习构建的膀胱癌分层模型，输出预测的膀胱癌分层结果。本发明方法旨在基于自动定位的肿瘤病灶ROI提取参数图像组合特征，再输入到基于多任务深度学习构建的膀胱癌分层模型实现分类，旨在发掘其对泌尿学CT影像数据的分析能力和潜在应用价值。
-
公开(公告)号：CN115619810A
公开(公告)日：2023-01-17
申请号：CN202211629229.2
申请日：2022-12-19
Applicant: 中国医学科学院北京协和医院
Abstract: 本发明涉及一种前列腺分区分割方法、系统及设备。包括：获取前列腺图像；将前列腺图像输入到前列腺分区分割模型中进行初次分割，输出第一次分割结果；将计算得到的前列腺外周带体积和整个腺体体积的比值与阈值进行比较，基于所述比值与阈值的关系进行二次分割，得到最终分割结果。本发明方法旨在基于U‑Net系列模型构建的前列腺分区分割模型对前列腺图像进行粗分类，根据计算的比值与阈值的关系，再通过基于语义分割构建的二次分割模型进行二次分割，实现高精度的分割结果，发掘其在协助前列腺癌手术定位和手术计划以及标准化前列腺特异性抗原密度的潜在应用价值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
